Röstläget i ToRun var som en walkie-talkie. Du pratar, den lyssnar; den pratar, din mikrofon är stängd. Så pratar inte människor, och alla märker det efter ungefär trettio sekunder — i stunden du vill säga "nej, den andra" och först måste vänta på att en mening ska ta slut.
gpt-live-1 är en full duplex-motor. Mikrofonen förblir öppen medan den pratar. Du kan avbryta den precis som du skulle avbryta en person, och den hör dig medan den pratar, inte bara efteråt.
Bakom samma kontrakt
Detta är ett annat protokoll än realtidsrösten vi redan hade — en annan slutpunkt, ett annat händelsevokabulär, inga turidentifierare, ingen markör för turslut. Allt detta översätts vid en enda gräns till de händelser vår röstbrygga redan talar. Under det förändras ingenting: samma session, samma verktyg under ett samtal, samma minutvisa avräkning, samma två appar.
Innan en enda rad skrevs körde en sond hela slingan mot leverantören med en utvecklingsnyckel och spelade in bildrutorna. De inspelningarna är de fixturer som översättningslagret testas mot — det som testas är alltså vad leverantören faktiskt skickar, inte vad ett dokument påstår att den skickar.
Eko är orsaken till att ingen gör detta som standard
En öppen mikrofon under uppspelning hör assistenten. Utan dämpning svarar den sig själv, i evighet. Därför byter ljudsessionen på iOS till röstbehandlingsprofilen, som avbryter ekot och beter sig som en högtalartelefon; på Android gör inspelningsförinställningen samma jobb.
Detta har en verklig kostnad, och det är därför beslutet fattas per modell i stället för globalt. Katalograden bär en flagga. En modell med den flaggan håller mikrofonen öppen och slår på dämpning; varje annan röst på plattformen behåller sin egen grind och högre ljudprofil, exakt som förut. Beslutet fattas när sessionen startar, och fattas på nytt utifrån vad servern faktiskt öppnade, ifall en nivåstandard löstes upp till något annat.
På webben har inget ändrats: mikrofonen har aldrig varit låst där, och webbläsaren begär redan ekodämpning.
Vad det ännu inte är
Det finns inte på den kostnadsfria nivån. En gratis minut skulle försvinna på ett enda utbyte, och en tilldelning som tar slut mitt i en mening är värre än en som aldrig erbjöds.
Och den första versionen beter sig mer som en förbättring än en omvälvning på mobilen, eftersom båda apparna fortfarande behåller en del av sin egen låsning tills enhetssidans dämpning bekräftas på riktig hårdvara. Motorn är full duplex; telefonerna hinner ikapp den.